antara right-hand side variables dengan disturbance. Gujarati 2008 mengatakan bahwa dalam persamaan simultan sangat besar kemungkinan variabel endogen
berkorelasi dengan error term. Dengan kondisi tersebut maka analisis dengan menggunakan regresi biasa OLS sangat potensial untuk menghasilkan taksiran yang
bias dan tidak konsisten. Selanjutnya dikatakan bahwa metode Two Stage Least Square 2 SLS lebih tepat digunakan untuk analisis simultan, mengingat dalam
analisis ini semua variable diperhitungkan sebagai suatu system secara menyeluruh. Two Stage Least Square 2 SLS adalah alat khusus dalam instrumental
variables regression. Seperti namanya, metode ini melibatkan 2 tahap OLS.
Stage 1. Untuk menghilangkan korelasi antara variabel endogen dengan error term,
dilakukan regresi pada tiap persamaan pada predetermined variables saja reduced form. Sehingga didapat estimated value tiap-tiap variabel endogen.
Stage 2. Melakukan regresi pada persamaan aslinya structural form, dengan
menggantikan variabel endogen dengan estimated value-nya didapat dari Stage 1.
3.9 Identifikasi Simultanitas
Untuk melihat hubungan antara variabel endogen maka langkah pertama dilakukan adalah identifikasi persamaan. Identifikasi ini dimaksudkan untuk
mengetahui apakah persamaan tersebut berada dalam salah satu kondisi berikut ini: under identified tidak bisa diidentifikasi, exactly identified
tepat diidentifikasi, atau over identified Koutsoyiannis, 1977.
Disamping itu, metode 2SLS memiliki prosedur antara lain: tidak ada korelasi residual terms endogenous variables, Durbin Watson test menyatakan tidak ada
Universitas Sumatera Utara
variabel di sisi kanan yang berkorelasi dengan error terms. Akibat dari auto-korelasi terhadap penaksiran regresi adalah:
a. Varian residual error terms akan diperoleh lebih rendah daripada semestinya
yang mengakibatkan R2 lebih tinggi daripada yang seharusnya. b.
Pengujian hipotesis dengan menggunakan statistic t dan statistic F akan menyesatkan.
Disamping harus dipastikan bahwa tidak ada heteroskedastisitas, untuk itu dilakukan uji asumsi klasik untuk menemukan apakah ada autokorelasi dan
heteroskedastisitas. Hasil uji asumsi klasik menyatakan bahwa korelasi nilai sisa residual value antar variable endogen sangat kecil atau dapat dikatakan tidak ada
autokorelasi serta dibuktikan bahwa tidak ada heteroskedastisitas, sehingga metode 2SLS diaplikasikan.
Kondisi over identified menyatakan bahwa untuk persamaan yang akan diidentifikasi selisih antara total variable dengan jumlah variable yang ada dalam
satu persamaan endogen dan eksogen, harus memiliki jumlah yang minimal sama dengan jumlah dari persamaan dikurangi satu.
Sebelum memasuki tahap analisis 2SLS, setiap persamaan harus memenuhi persyaratan identifikasi. Suatu persamaan dikatakan identified hanya jika persamaan
tersebut dinyatakan dalam bentuk statistic unik Sumodiningrat, 2007. Berdasarkan hal ini, Gujarati 2008 mengatakan bahwa untuk memenuhi syarat tersebut maka
suatu variable pada persamaan satu harus tidak konsisten dengan persamaan lain. Dalam hal ini identifikasi persamaan dapat dilakukan dengan memasukkan atau
menambah, atau mengeluarkan beberapa variable eksogen atau endogen ke dalam
Universitas Sumatera Utara
persamaan Sumodiningrat, 2007. Kondisi identified dibagi menjadi dua, yaitu : exactly identified dan over identified. Penentuan kondisi exactly identified maupun
over identified dilakukan dengan rumus sebagai berikut: K – k m – 1 : disebut under identification.
K – k = m – 1 : disebut exactly identification. K – k m – 1 : disebut over identification.
Dimana: K = jumlah variable eksogen predetermined dalam model.
m = jumlah variable endogen dalam persamaan. k = jumlah variable eksogen predetermined dalam persamaan.
Berdasarkan kriteria diatas maka identifikasi persamaan dalam penelitian ini adalah sebagai berikut:
Log DEP = C + C Log PDB + C Log SBD + C Log INF +
Log KRD = C + C Log PDB + C Log SBK + C Log INF +
Log SBD = C + C Log SBI + C Log SBPU + C Log DEP +
Log SBK = C + C Log SBI + C Log SBPU + C Log KRD +
Log SBPU = C + C Log GWM + C Log SBI + C Log KRD +
Log KURS = C + C Log INF + C Log JUB +
Log INF = C + C Log KURS + C Log SBPU +
Universitas Sumatera Utara
Berdasarkan persamaan diatas, keempat persamaan dapat diuji identifikasinya, sebagai berikut:
Tabel 3.1. Uji Identifikasi Persamaan Persamaan
K – k m – 1
Hasil Identifikasi
DEP 4 – 1
3 – 1 3 2
Over Identified KRD
4 – 1 3 – 1
3 2 Over Identified
SBD 4 – 1
3 – 1 3 2
Over Identified SBK
4 – 1 3 – 1
3 2 Over Identified
SBPU 4 – 2
2 – 1 2 1
Over Identified KURS
4 – 1 2 – 1
3 1 Over Identified
INF 4 – 0
3 – 1 4 2
Over Identified Sumber : Lampiran 3 Hal 131
3.10 Metode Analisis
